Firth-adjustierte GLM-Logit-Regression und KonfidenzintervalleGuten Morgen,
Ich habe ein logistisches Regressionsmodell durch ein GLM mit Binomialverteilung und Logit-Link-Funktion mit Firth-Anpassung ausgeführt, da ich eine Warnung zur Quasi-Trennung der Daten erhielt.
Ich muss beurteilen, ob meine interessierende Variable (CHIP) mit dem Ergebnis in Zusammenhang steht (ich habe eine binäre Antwortvariable) in einem Modell, das für andere Kovariaten angepasst ist.
Jetzt führe ich das Modell aus und erhalte eine Parameterschätzung mit einem signifikanten p-Wert, aber einem Konfidenzintervall für dieselbe Schätzung, das groß genug ist, um den Wert 0 einzuschließen.
Meine dringende Frage ist:
Wie soll ich das interpretieren? Kann ich daraus Rückschlüsse ziehen oder sollte ich vorsichtiger sein?
Danke schön!
Ps. Ich weiß, dass das Modell möglicherweise nicht gut passt, aber das ist das Beste, was ich im Moment mit den Daten tun kann, die ich habe.
Datenexploration und -visualisierungBetreff: Firth-adjustierte GLM-Logit-Regression und KonfidenzintervalleDanke Phil, du hast wirklich geholfen!Betreff: Firth-adjustierte GLM-Logit-Regression und KonfidenzintervalleDie JMP-Hilfedokumentation sagt uns, dass dies Profile-Likelihood-Konfidenzintervalle sind. Ich verstehe, dass Sie eine gewisse Diskrepanz zwischen diesen und den ChiSquare-p-Werten erwarten können.
In diesem Fall ist die Diskrepanz nicht sehr groß. Der p-Wert für diesen Effekt liegt sehr nahe bei 0,05 und Ihre Konfidenzintervalle umfassen nur gerade 0.
Während Sie also den p-Wert < 0,05 verwenden könnten, um zu sagen, dass CHIP „signifikant“ ist, können Sie nicht sagen, dass die Konfidenzintervalle Ihnen etwas völlig anderes sagen!
Betreff: Firth-adjustierte GLM-Logit-Regression und KonfidenzintervalleIch habe vergessen, einen Screenshot anzuhängen. Hier ist es (es ist auf Italienisch)
